抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
インターネットによる多くの低電力組込みデバイスを接続することを目的とした新しいビジネスモデルは,インターネットのインターネット(IoT)である。IoTは,スマート都市,スマート環境,eヘルスケアなどの構築に多くの応用があり,低電力デバイスのための信頼できないインターネットと新しいルーティングプロトコルの存在により,IoTは革新的なセキュリティソリューションを必要とする。本論文において,著者らはIoTのための3つの新しい侵入検出システム(IDSs)を提示した。1)K-平均クラスタ化教師なし学習ベースIDS;2)ディシジョンツリーベースの監督IDS;3)K平均と決定木学習アプローチを組み合わせたハイブリッド2段階IDS。著者らの知る限りでは,これらはIDSs(共にML-IDSと呼ばれる)に対する最初の機械学習ベースのIDSsである。すべての3つのIDSは集中的でスケーラブルな手法である。K平均アプローチは,ランダムIoTネットワークのサイズを変えるために70~93%の検出率を達成する。ディシジョンツリーベースIDSは71~80%の検出率を達成し,ハイブリッドアプローチは同じネットワークサイズに対して71~75%の検出率を達成した。ハイブリッドIDSはより低い検出率を得るが,他の2つのアプローチより正確である。ハイブリッドアプローチは偽陽性を有意に除去するが,他の2つのIDSはより高い数の偽陽性を被る。同様の結果は,IoTネットワークの規則的メッシュ,星およびリングトポロジーに対しても得られ,それぞれ16ノードから構成されている。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】